[R-es] Calcular Error en modelo lineal

Jorge I Velez jorgeivanvelez en gmail.com
Jue Abr 21 18:35:43 CEST 2016


Hola Jesús,
Lo que mencionas es posible en presencia de multicolinealidad severa. Solo
en ese caso los intervalos de confianza y prediccion son equivalentes.  Sin
embargo, y por tu ejemplo, este parece no ser tu caso.
Saludos,
Jorge.-


2016-04-21 9:49 GMT-05:00 Jesús Para Fernández <j.para.fernandez en hotmail.com
>:

> Enun ejemplo real estoy viendo como el intervalo de confianza usando lo
> que me comentas me ha salido mucho más pequeño de lo que la realidad luego
> refleja. ¿Cómo es esto posible??
>
> Es decir, veo que para valores de 2,70 obtengo una respuesta de entre 2,69
> y 2,90 y sin embargo luego en la realidad tengo valores entre 2,20 y 3
>
>
>
> Gracias
> Jesús
>
> ------------------------------
> From: jorgeivanvelez en gmail.com
> Date: Thu, 21 Apr 2016 09:09:03 -0500
> Subject: Re: [R-es] Calcular Error en modelo lineal
> To: j.para.fernandez en hotmail.com
> CC: r-help-es en r-project.org
>
>
> Buenos dias Jesus,
>
> Esos valores son _aproximados_.  Las estimaciones, de acuerdo con teoria
> de regresion, podrian obtenerse de manera puntual y construir intervalos de
> _confianza_ y _prediccion_ alrededor de estos.  Ten en cuenta que el 2do
> tipo de intervalos de calcula para observaciones _futuras_.
>
> En R puedes calcularlos de la siguiente manera:
>
> ## IC de confianza
> ## ver ?predict.lm para mas detalles
> R> data.frame(y, predict(modelo, interval = "confidence"))
>             y       fit       lwr      upr
> #1  8.35  9.938571  6.580445 13.29670
> #2 12.42 11.804286  9.134239 14.47433
> #3 18.00 15.535714 13.664949 17.40648
> #4 17.58 17.401429 15.396872 19.40599
> #5 17.97 19.267143 16.798908 21.73538
> #6 20.76 21.132857 18.014915 24.25080
>
> ## intervalos de prediccion para x = 25
> R> predict(modelo, newdata = data.frame(x = 25), interval = "prediction")
> #                fit      lwr      upr
> #1 23.93143 17.69035 30.17251
>
> Lo anterior significa que E[y|x=25] = 23.93 y el intervalo de prediccion
> del 95% es (17.69, 30.17).
>
> Espero sea de utilidad.
>
> Saludos cordiales,
> Jorge.-
>
>
>
>
> 2016-04-21 8:56 GMT-05:00 Jesús Para Fernández <
> j.para.fernandez en hotmail.com>:
>
> Buenas, una pregunta.
>
> Si yo estoy calculando un modelo lineal, el caso más simple, 1 variable
> respuesta y una variable explicativa y creo un modelo, me da un R2 del 80%
> y quiero ver como es esa relacion entre las variables, para calcular el
> error de predicción del modelo, basta con ver el intervalo de confianza del
> modelo e irme a los extremos?
>
> Por si no me he expresado bien, un ejemplo tonto:
>
> y=c(8.35,12.42,18.00,17.58,17.97,20.76)
> x=c(10,12,16,18,20,22)
>
> modelo<-lm(y~x)
> summary(modelo)
> library(MASS)
> Confint(modelo, level=0.95)
>
> Con esto tengo un modelo :
> > Confint(RegModel.1, level=0.95)
>                   Estimate       2.5 %              97.5 %
> (Intercept) 0.6100000  -6.8296312     8.049631
> x                 0.9328571  0.4919135      1.373801
>
> Es decir, el intervalo de confianza de la respuesta y en función de los
> valores x, sería de la forma (ymin,ymax), siendo:
> ymin = -6,82 + 0,49*x
> ymax = 8,05 + 1,37*x
>
> Es esto correcto???
>
> Gracias
> Jesús
>
>
>
>
>         [[alternative HTML version deleted]]
>
>
> _______________________________________________
> R-help-es mailing list
> R-help-es en r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>
>
>

	[[alternative HTML version deleted]]



Más información sobre la lista de distribución R-help-es